La IA permite analizar la “bioquímica invisible” del espermatozoide y abre la puerta a seleccionar el más competente antes de la fecundación

• IVI presenta en ESHRE avances en imagen hiperespectral capaces de analizar la información molecular que no se ve al microscopio y predecir su potencial, mejorando las tasas de éxito y reduciendo el número de intentos en los tratamientos
• Una segunda investigación desarrolla un sistema basado en IA capaz de detectar en tiempo real desviaciones en el laboratorio de FIV y anticipar posibles problemas antes de que impacten en los resultados clínicos

Mejorar los resultados en reproducción asistida no solo depende del número y la calidad de los ovocitos o de la selección embrionaria. La elección del espermatozoide adecuado emerge como un factor clave y, en muchas ocasiones, infravalorado.

En el marco de la 42ª Reunión Anual de la Sociedad Europa de Reproducción Humana y Embriología (ESHRE), IVI presenta una serie de estudios que muestran cómo la imagen hiperespectral, combinada con inteligencia artificial, permite analizar por primera vez la bioquímica del espermatozoide sin dañarlo, abriendo nuevas posibilidades en la selección espermática.

Hasta ahora, uno de los principales límites era técnico: conocer en profundidad el interior del espermatozoide —su fisiología y su bioquímica—, implicaba dañarlo, lo que impedía su uso posterior. A diferencia de otras fases del tratamiento, donde cada vez se dispone de más herramientas para optimizar resultados, la selección espermática se ha basado tradicionalmente en criterios visibles al microscopio como la forma o la movilidad.

“No existían técnicas capaces de analizar las características moleculares de un espermatozoide sin comprometer su viabilidad. Cualquier intento de medir su bioquímica lo inutilizaba para la fecundación. La imagen hiperespectral cambia ese paradigma”, señala el Dr. Nicolás Garrido, director de Fundación IVI e investigador principal del estudio “Integrating AI-driven hyperspectral sperm imaging for prioritisation of spermatozoa associated with embryo implantation”.

Inteligencia artificial: de imagen a decisión clínica

El avance es posible gracias a la combinación de cámaras hiperespectrales y algoritmos de inteligencia artificial capaces de traducir imágenes complejas en datos cuantificables. “La IA nos permite transformar información que antes era inaccesible en datos analizables. Pasamos de observar forma y movimiento a poder conocer el contenido molecular del espermatozoide de forma inocua”, explica.

Este enfoque permite construir modelos predictivos que relacionan determinados patrones bioquímicos con el éxito reproductivo.

Los trabajos presentados apuntan a un cambio relevante en la forma de seleccionar el gameto masculino. “El análisis de la imagen hiperespectral nos permite diseñar modelos estadísticos para predecir la probabilidad individual de cada espermatozoide de convertirse en un blastocisto viable”, concreta el Dr. Garrido.

¿Qué es la imagen hiperespectral?

La imagen hiperespectral es una tecnología que permite analizar cómo interactúa la luz con una muestra para obtener información sobre su composición interna. A diferencia de un microscopio convencional, que muestra principalmente la forma y el movimiento, esta técnica capta señales que, emitidas a múltiples longitudes de onda, reflejan el contenido molecular de las células. En el caso de los espermatozoides, permite conocer características bioquímicas sin dañarlos, lo que abre nuevas posibilidades para mejorar su selección en reproducción asistida.

Beneficio en pacientes y próximos avances

Esta investigación tiene un impacto directo en pacientes. Seleccionar el espermatozoide con mayor potencial permite que los tratamientos tengan mayor probabilidad de éxito y menor necesidad de repetirlos, potencialmente aumentando la fecundación, el número y la calidad de los embriones disponibles, y por tanto, las probabilidades de éxito por cada tratamiento iniciado.

De cara al futuro, la investigación apunta a modelos más complejos que integren información del espermatozoide, del ovocito y características clínicas del paciente, avanzando hacia una reproducción asistida más personalizada.

“Estamos desarrollando modelos que combinan todos estos factores. El embrión es el resultado de ambos, por lo que entender esa interacción será clave. Nuestro plan es completar estos estudios en aproximadamente un año y avanzar hacia su integración en la práctica clínica”, concluye.

IA para el rendimiento del laboratorio FIV

En paralelo a otras aplicaciones de la inteligencia artificial en reproducción asistida, IVI ha desarrollado un sistema innovador enfocado en la monitorización en tiempo real del rendimiento del laboratorio de FIV. Este enfoque, recogido en el estudio “A real-time predictive alert system for monitoring IVF laboratory performance using time-lapse–derived embryo features” liderado por el Dr. Marcos Meseguer, director global de Investigación en Embriología en IVI RMA Global, supone un cambio de paradigma en el uso de la IA dentro del laboratorio, al centrarse en la calidad global del proceso y no únicamente en el embrión individual.

Este sistema se nutre de la gran cantidad de información generada por los incubadores time-lapse, presentes en el 100% de los embriones en centros como IVI Valencia, y que permiten seguir de forma continua el desarrollo embrionario.

“Tenemos, cada día, cientos de embriones desarrollándose simultáneamente y generando una enorme cantidad de información digital. Lo que hemos llevado a cabo es un sistema capaz de utilizar esos datos de manera agregada para predecir, en tiempo real, cuáles serán los resultados esperados del laboratorio en las semanas siguientes y, sobre todo, detectar precozmente cualquier desviación respecto a los valores habituales”, detalla el Dr. Meseguer.

La relevancia del trabajo radica en que permite generar un sistema de alertas tempranas que identifique posibles problemas técnicos, incidencias en procesos, cambios ambientales o cualquier tendencia que pueda afectar negativamente al desarrollo embrionario antes de que se traduzca en una disminución de los resultados clínicos. Esto permitiría implementar medidas correctivas de forma anticipada y proteger los resultados reproductivos de los pacientes.

“De este modo, esta tecnología se posiciona como una nueva capa de control de calidad y seguridad para el laboratorio, basada en la monitorización masiva de datos generados por los sistemas time-lapse y en herramientas de análisis avanzado e inteligencia artificial”, concluye.